Вытеснят ли роботы человеческий фактор с финансовых рынков? Читайте в статье Константина Бронштейна, руководителя отдела системной торговли «АТОН» В последние годы все больше и больше фондов и инвестиционных банков сокращают трейдеров и портфельных управляющих, заменяя их математиками, квантами и машинами. Paul Tudor Jones после сокращения 15% персонала фонда сказал своим сотрудникам “No man is better than a machine, and no machine is better than a man with a machine”. Algorithmic Trading Цены на активы на рынке ценных бумаг, которые мы видим в терминалах, — это результат реальных сделок, совершенных реальными участниками рынка, каждый из которых конкурирует с остальными участниками за лучшую сделку, за лучшую идею. Однако несмотря на то, что каждый участник рынка по-своему уникален, их поведение можно характеризовать некоторыми общими чертами (или паттернами), на основании которых участников можно разделить на группы, для которых характерна та или иная модель принятия решений. Правильно распознав преобладание какой-либо группы на рынке в определенный момент времени и идею, мотивирующую эту группу на совершение конкретной сделки, можно получить выгоду либо от участия в той же сделке, либо, напротив, от участия в противоположной сделке (contrarian trade). Попытки моделирования поведения участников рынка лежат не только в основе большинства инструментов технического анализа, но и в основе большинства алгоритмических торговых стратегий. При совершении сделки покупатель «толкает» цену на актив вверх, в то время как продавец — вниз. Таким образом каждый участник, совершая сделку, меняет общее состояние рынка и общее позиционирование его участников. Таким образом, если перед участником стоит задача совершить сделку на большой объем, то, выставляя приказ «по рынку», он рискует сильно повлиять на цену, тем самым получив худшую из возможных цену исполнения. Оптимизировать эти транзакционные издержки можно множеством разных способов. Самый простой из них — поставить заявку «в стакан» на весь объем и подождать, пока найдется контрагент для ее исполнения, однако в этом случае возникает большой риск того, что остальные участники, увидев большого покупателя или продавца на рынке, начнут «фронтранить» его в надежде, что он будет покупать выше или продавать ниже цены, указанной в его заявке. Гораздо эффективнее разбить большой приказ на множество маленьких заявок и исполнять их по определенному алгоритму (например, в зависимости от проторгованного объема или от времени), и незаметно для рынка купить или продать тот или иной объем. Именно эти способы исполнения больших заявок и получили название «алгоритмическая торговля» около 40 лет назад. На сегодняшний день, по различных оценкам, общая доля оборота рынка ценных бумаг от алгоритмической торговли составляет 80–90%, что включает в себя HFT (High Frequency Trading) стратегии (45–55%), алгоритмические заявки (Program Trading) от крупных инвестиционных фондов (15–25%), характеризующиеся продолжительными периодами исполнения, и алгоритмические заявки от Quantitative и Systematic фондов (10–20%). Quantitative & Systematic Trading Strategies Quantitative и Systematic фонды оперируют портфелями «системных стратегий» в отличие от инвестиционных фондов, оперирующих портфелями ценных бумаг. В основе подобных стратегий лежит определенный набор правил, на базе которых генерируется сигнал на покупку или продажу. Этот сигнал, при прохождении риск-фильтров, превращается в заявку, после исполнения которой формируется позиция фонда. В широком смысле для имплементации системных стратегий не обязательно использование компьютеров, однако без полной автоматизации процессов сбора и анализа данных, контроля и исполнения заявок практически невозможно добиться стабильных торговых результатов. Подобные автоматизированные торговые системы, как правило, всегда включают в себя: базы данных с историческими данными, базы с фундаментальными показателями компаний, статистикой, новостями и прочими данными, необходимыми для работы алгоритма; коннекторы к вендорам рыночных данных (или к биржам, если котировки берутся напрямую с бирж), коннекторы к вендорам новостей, макро-статистики и прочим данным, необходимым для работы алгоритма в реальном времени; системы, генерирующие торговые сигналы (непосредственно стратегии); системы для бэк-тестирования систем, генерирующих торговые сигналы; системы управления позициями; системы контроля рисков в реальном времени (в том числе pre-trade / post-trade проверки); коннекторы к маршрутизаторам заявок на бирже (либо коннекторы к биржам, если сервера стоят в ко-локации). Количество стратегий, которыми оперирует торговая система измеряется десятками, чаще сотнями, а иногда тысячами различных стратегий, работающих одновременно. Помимо этого, чаще всего торговля ведется на нескольких классах активов и на нескольких биржах в разных странах мира. Для оптимизации транзакционных издержек (временных задержек при получении рыночных данных и отправки заявок на биржу) серверы, на которых работают коннекторы и торговые алгоритмы, ставятся как можно ближе к биржам, в идеале в дата центрах бирж (ко-локация). В итоге подобная автоматизированная торговая система — это распределенная по нескольким серверам система, на которых одновременно работают сотни различных стратегий, с, как правило, единым центром риск-контроля и единым центром учета позиций. Создание и поддержка подобных автоматизированных торговых систем — очень трудоемкое и затратное дело, в котором, в отличие от мнения большинства, создание и тестирование непосредственно торговых стратегий — лишь часть общего процесса, но никак не его основа. Даже идеальная стратегия обречена на провал в случае сбоев всего лишь в одной подсистеме общей инфраструктуры автоматизированной торговой системы. Для системных стратегий, несмотря на разносторонний талант их создателей, сложность математики и уникальность подходов, характерны общие черты, точно так же, как и для моделей поведения «живых» участников рынка. Для HFT стратегий, среди прочих: Arbitrage / Latency Arbitrage, Market Making, Statistical Arbitrage (на коротком временном горизонте), News Based Trading, Spoofing, Stop Loss Hunt; для системных стратегий: Trend-Following, Mean Reversion, statistical arbitrage / pairs trading (на среднем и длинном временном горизонте), Delta Neutral Basket trading, Trading Ahead of Huge Program Orders, Break of Key Levels и многие другие; для инвестирования в риск-факторы характерно разделение портфелей на 300 и более факторов, основные из которых: Carry, Momentum, Value, Volatility. Seeking Alpha Существует довольно распространенное мнение, что можно сделать одну единственную стратегию, которая будет зарабатывать деньги ее создателю на любом рынке в течение долгого времени, но, к сожалению, это не так. Очень важно понимать, что в основе любой системной стратегии лежит if- then логика, то есть в результате исследований была найдена некоторая закономерность, и алгоритм выдает торговые сигналы, ожидая, что вероятность того, что цены на анализируемые активы пойдут вверх или вниз в течение какого-то времени, больше, чем вероятность обратного. Несмотря на то, что «память» у рынка короткая, она все же есть, и, когда эту же закономерность найдет достаточное количество участников, она неизбежно пропадет на какое- то время, после чего, скорее всего, появятся новые закономерности, которые тоже со временем пропадут, и так по кругу. Более того, разные стратегии работают при разных условиях на рынке или, правильнее сказать, разных режимах рынка, основным показателем которых является реализованная волатильность активов в разные периоды времени. Если же говорить о HFT стратегиях, то здесь, в мире гонки за микро и наносекунды, возможности с рынка, как правило, не уходят, но нужно постоянно вкладывать очень серьёзные деньги в инфраструктуру и оптимизацию алгоритмов, чтобы первым обнаруживать появление каких- то закономерностей и успевать первым отправить заявки на биржу. Поэтому, к сожалению, в рамках небольшого числа торгуемых стратегий практически невозможно добиться устойчивых результатов. Однако при правильно выстроенном процессе постоянного поиска новых закономерностей, построения стратегий, зарабатывающих на этих закономерностях, и встраивания их в автоматизированную торговую систему, вполне можно добиться устойчивых результатов. Самое сложное в управлении портфелем системных стратегий — это правильная их классификация по типам и риск-метрикам, и, в зависимости от режимов рынка и оцененных вероятностей успеха, выставление оптимальных весов для каждой группы стратегий и для каждой отдельной стратегии в группе в каждый момент времени. Конкуренция На сегодняшний день на рынке появилось довольно много команд, оперирующих довольно большими деньгами, основными стратегиями которых, является работа против overcrowded системных стратегий, основанными на выявлении их слабых мест, и вполне реальна ситуация, когда торговые роботы «ловят» других зазевавшихся роботов. Поэтому «робастность» автоматизированных торговых систем, оперирующих системными стратегиями, как правило, помимо правильно выстроенной инфраструктуры и хороших реализованных стратегий, определяется теми действиями, которые предпринимаются системой в случае, если рынок ведет себя неожиданно, вне рамок ожиданий стратегий. В последние годы все больше и больше фондов и инвестиционных банков сокращают трейдеров и портфельных управляющих, заменяя их математиками, квантами и машинами. Paul Tudor Jones после сокращения 15% персонала фонда сказал своим сотрудникам “No man is better than a machine, and no machine is better than a man with a machine”. Есть все основания полагать, что описанные выше подходы к торговле будут только набирать популярность в будущем, и, в конечном счете, практически полностью вытеснят человеческий фактор с рынка.
Оцените материал:
Источник: АТОН
